CN112506162B - 一种基于数据模型和机理运算的氧化风系统控制方法 - Google Patents
一种基于数据模型和机理运算的氧化风系统控制方法 Download PDFInfo
- Publication number
- CN112506162B CN112506162B CN202011491512.4A CN202011491512A CN112506162B CN 112506162 B CN112506162 B CN 112506162B CN 202011491512 A CN202011491512 A CN 202011491512A CN 112506162 B CN112506162 B CN 112506162B
- Authority
- CN
- China
- Prior art keywords
- concentration
- caso
- data
- absorption tower
- modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003647 oxidation Effects 0.000 title claims abstract description 97
- 238000007254 oxidation reaction Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007246 mechanism Effects 0.000 title claims abstract description 45
- 238000013499 data model Methods 0.000 title claims abstract description 17
- 238000010521 absorption reaction Methods 0.000 claims abstract description 94
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000003556 assay Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000001590 oxidative effect Effects 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 11
- 235000010261 calcium sulphite Nutrition 0.000 claims description 38
- GBAOBIBJACZTNA-UHFFFAOYSA-L calcium sulfite Chemical compound [Ca+2].[O-]S([O-])=O GBAOBIBJACZTNA-UHFFFAOYSA-L 0.000 claims description 37
- 239000002002 slurry Substances 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 16
- 238000006477 desulfuration reaction Methods 0.000 claims description 14
- 230000023556 desulfurization Effects 0.000 claims description 14
- 238000005096 rolling process Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 8
- 230000018044 dehydration Effects 0.000 claims description 8
- 238000006297 dehydration reaction Methods 0.000 claims description 8
- 239000003546 flue gas Substances 0.000 claims description 8
- 239000006227 byproduct Substances 0.000 claims description 7
- 229910052602 gypsum Inorganic materials 0.000 claims description 7
- 239000010440 gypsum Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 229910052717 sulfur Inorganic materials 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000006096 absorbing agent Substances 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 239000011575 calcium Substances 0.000 claims 1
- 238000010977 unit operation Methods 0.000 claims 1
- 239000002994 raw material Substances 0.000 abstract description 2
- 238000002485 combustion reaction Methods 0.000 description 6
- 230000002269 spontaneous effect Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 206010021143 Hypoxia Diseases 0.000 description 3
- LSNNMFCWUKXFEE-UHFFFAOYSA-N Sulfurous acid Chemical compound OS(O)=O LSNNMFCWUKXFEE-UHFFFAOYSA-N 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/346—Controlling the process
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/46—Removing components of defined structure
- B01D53/48—Sulfur compounds
- B01D53/50—Sulfur oxides
- B01D53/501—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound
- B01D53/502—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound characterised by a specific solution or suspension
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
- B01D53/80—Semi-solid phase processes, i.e. by using slurries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/96—Regeneration, reactivation or recycling of reactants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2251/00—Reactants
- B01D2251/40—Alkaline earth metal or magnesium compounds
- B01D2251/404—Alkaline earth metal or magnesium compounds of calcium
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Treating Waste Gases (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于数据模型和机理运算的氧化风系统控制方法，包括：步骤S1：建模数据筛选，采用机组历史运行数据及化验数据作为建模原始数据；步骤S2：建立吸收塔CaSO3浓度预测模型；步骤S3：氧化风机的启停控制；采用建模与机理计算相结合的方式实现吸收塔CaSO3浓度的实时预测，无需增加新的测量设备，即可实现亚硫酸钙浓度的实时预测，投资成本低；本方法应用长时间跨度的历史及化验数据作为建模原料，其建模结果可以代表机组更加广泛的运行工况，以模型输出CaSO3浓度为氧化风机停运的判断依据，避免了采用机理计算方式获取CaSO3浓度过程中产生的累积误差，保障了氧化风机停运判断的合理性。
Description
技术领域
本发明属于火电厂氧化风机控制技术领域，特别是涉及一种基于数据模型和机理运算的氧化风系统控制方法。
背景技术
为保障湿法脱硫系统浆液品质，大部分火电厂采用氧化风系统风机持续运行的运行方式，但由于一般工况下，氧化风机供风量均具有一定的裕量，采用该种运行方式会造成较大的电能浪费，因此对氧化风系统进行间歇启停对火电机组脱硫系统节能降耗具有重要意义；
当前，氧化风机运行方式主要有3种，分别为：1、氧化风机持续运行方式；2、带有吸收塔浆液CaSO3浓度实时在线测量的氧化风机按需启停方式；3、基于固定过量空气系数的氧化风机变频控制方式；但目前的三种方式都存在一定的弊端，具体如下：
1、氧化风机持续运行方式：绝大多数火电厂为避免部分工况下石膏及吸收塔浆液CaSO3浓度超限，均采用氧化风机持续运行的方式，该种运行方式具有很大的运行裕量，给脱硫系统带来了极大的能源浪费；
2、带有吸收塔浆液CaSO3浓度实时在线测量的氧化风机按需启停方式：个别电厂在脱硫系统安装亚硫酸盐实时在线监测系统，并以亚硫酸盐实时化验浓度作为氧化风系统风机启停的判断依据，但亚硫酸盐在线实时监测系统价格昂贵且维护量大，相较于氧化风机启停所带来的收益，性价比较低，一般不被电厂人员所接受；
3、基于固定过量空气系数的氧化风机变频控制方式：部分电厂采用带有变频的6kV电机带动的氧化风机，并依据固定的过量空气系数对变频进行控制，以达到降低氧化风系统电耗的作用，该方式同样存在前期投资成本高的问题，且对于绝大多数电厂而言，其氧化风系统风机均为罗茨风机，若进行设备改造，投资成本将进一步增加，另外，采用固定过量空气系数的方式计算氧化风量，为保证氧化风能够满足全工况要求，需要选取较大的过量空气系数，同样会造成较大的能源浪费。
发明内容
本发明的目的在于提供一种基于数据模型和机理运算的氧化风系统控制方法，通过设计火电厂氧化风机智能启停方案解决降低氧化风系统能耗的问题；本发明提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。
为实现上述目的，本发明提供了以下技术方案：
本发明提供的一种基于数据模型和机理运算的氧化风系统控制方法，其包括以下步骤：
步骤S1：建模数据筛选，采用机组历史运行数据及化验数据作为建模原始数据；
步骤S2：建模，选取机组历史运行数据中的氧化风机运行台数、机组负荷、FGD入口SO2浓度、浆液循环泵运行台数、吸收塔浆液PH、原烟气粉尘浓度、吸收塔浆液密度作为建模输入变量，选取吸收塔CaSO3浓度化验数据作为系统输出，采用基于历史数据驱动的人工神经网络、偏最小二乘、支持向量机、多元线性回归、多项式拟合等数据驱动建模方式进行建模，获取吸收塔CaSO3浓度预测模型；
步骤S3：氧化风机的启停控制，包括，
步骤S3.1：应用CaSO3浓度预测模型及所选输入变量的实时输入对吸收塔CaSO3浓度进行实时预测；
步骤S3.2：当CaSO3浓度预测模型所得浓度低于停运浓度阈值时，停止氧化风机，同时应用机理计算方式计算各时刻单位时间吸收塔内CaSO3增量，辅以吸收塔浆液实时密度及液位等信息，滚动计算吸收塔内CaSO3浓度；
步骤S3.3：当机理计算所得CaSO3浓度高于CaSO3浓度允许值时，启动氧化风机，同时继续应用机理计算方式滚动计算吸收塔内CaSO3浓度，并将该计算浓度与CaSO3浓度预测模型输出浓度进行比较，当机理计算所得CaSO3浓度低于CaSO3浓度预测模型输出CaSO3浓度后，停止机理滚动计算CaSO3浓度，返回步骤S3.2继续进行氧化风机停运条件的判断。
进一步，步骤S1中的氧化风系统历史运行数据从DCS中直接导出，吸收塔CaSO3化验浓度数据从日常的化验记录中获取，然后依据化验采样时刻，筛选化验时间点与化验浓度对应的机组历史运行数据，同化验浓度组合后获取原始建模数据。
进一步，步骤S1还包括筛选稳态工况数据，包括，
步骤1.1：选取步骤S1中所获取的数据，综合考虑机组容量及脱硫系统布置方式，选定最低稳定运行时间阈值ts，查询各采样时刻及该时刻之前ts时间段的运行历史数据机组负荷值，当该时间段内负荷波动大于Lmax则将该组数据删除，获取稳态建模数据；
步骤1.2：应用步骤1.1中获取的稳态建模数据，对输入变量数据与CaSO3浓度化验数据进行皮尔逊相关性分析，选取相关系数大于0.2的变量作为输入变量，与CaSO3化验浓度共同组成最终建模数据。
进一步，机理计算方式应用机组实时运行数据计算吸收塔内CaSO3浓度，设启用机理计算方式后已经历了k时刻，则该时刻吸收塔内CaSO3浓度NG(k)(％)计算方式为：
NG(k)＝(SQ(k)+abs(SQ(k)))/2/BQ(k)，
其中，SQ(k)(kg)为现时刻吸收塔净亚硫酸钙质量，BQ(k)为吸收塔净副产物质量，
SQ(k)(kg)＝SQ(k-1)-Q(k)+IQ(k)；
其中，SQ(k-1)(kg)为上时刻吸收塔净亚硫酸钙质量，Q(k)(kg)为脱水系统排出亚硫酸钙质量，IQ(k)(kg/s)为瞬时亚硫酸钙产量，
SQ(k-1)＝V(k)×D(k)×CR(k)×NG(k-1)，
其中，NG(k-1)(％)为吸收塔上时刻所得亚硫酸钙浓度，CR(k)为吸收塔固体洁净系数、V(k)(m3)为吸收塔浆液体积、D(k)(kg/m3)为吸收塔密度；
IQ(k)＝(Fp(k)×S(k)×Eta(k)×0.25×(1-Alpha)-OF(k)×Beta)×0.75，
其中，Fp(k)(Km3/s)为脱硫入口烟气流量、S(k)(mg/s)为脱硫入口SO2浓度、Eta(k)(％)为脱硫效率、Alpha为自然氧化率、OF(k)为氧化风量、Beta为强制氧化率。
进一步，脱水系统排出亚硫酸钙质量Q(k)，应用石膏排出泵台数NU(k)、石膏排出泵流量FP(k)、上时刻吸收塔净亚硫酸钙质量SQ(k-1)、吸收塔浆液体积V(k)，计算脱水系统排出亚硫酸钙质量Q(k)(kg)，计算公式为：Q(k)(kg)＝SQ(k-1)×NU(k)×FP(k)÷V(k)。
进一步，机理计算中所采用的机组实时运行数据从DCS系统中实时导出。
进一步，停运浓度阈值和CaSO3浓度允许值为预设的固定值。
进一步，还包括算法参数优化，具体的，
为CaSO3浓度计算模型的各个输入变量设置调整系数，依据仿真输出与化验时间点处CaSO3浓度偏差的平方和作为目标函数，应用寻优算法对各输入变量调整系数进行寻优，最终获取CaSO3浓度计算模型中各个输入变量的最优调整系数。
进一步，在该寻优过程中为保障自然氧化率调整函数f1、强制氧化率调整函数f1中各参数寻优结果的准确，将上述的自燃氧化率Alpha(k)、强制氧化率Beta(k)的自适应学习过程屏蔽。
进一步，在上述寻优过程中，令自燃氧化率学习因子a＝0；强制氧化率学习因子b＝0，且寻优过程不对a、b进行寻优。
本发明提供的一种基于数据模型和机理运算的氧化风系统控制方法，其有益效果为：
采用建模与机理计算相结合的方式实现吸收塔CaSO3浓度的实时预测，无需增加新的测量设备，即可实现亚硫酸钙浓度的实时预测，投资成本低；本方法应用长时间跨度的历史及化验数据作为建模原料，其建模结果可以代表机组更加广泛的运行工况，以模型输出CaSO3浓度为氧化风机停运的判断依据，避免了采用机理计算方式获取CaSO3浓度过程中产生的累积误差，保障了氧化风机停运判断的合理性；停运后以机理计算方式获取的实时CaSO3浓度作为氧化风机启动的判断依据，克服了采用模型预测CaSO3浓度时，无法体现吸收塔CaSO3浓度的动态变化过程的弊端，且采用机理计算过程中可通过合理设置自燃氧化率和强制氧化率的方式，保障计算所得CaSO3浓度略高于系统实际的CaSO3浓度，从而最大程度的保障系统的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为本发明稳态数据筛选过程流程图；
图2为本发明氧化风系统相关变量建模流程图；
图3为本发明氧化风系统启停控制方式流程图；
图4为本发明机理计算方式滚动计算吸收塔内CaSO3浓度方法流程图。
具体实施方式
在下文中，将参照附图描述本发明的基于数据模型和机理运算的氧化风系统控制方法的实施例。
在此记载的实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。
本说明书的附图为示意图，辅助说明本发明的构思，示意性地表示各部分的形状及其相互关系。请注意，为了便于清楚地表现出本发明实施例的各部件的结构，各附图之间并未按照相同的比例绘制。相同的参考标记用于表示相同的部分。
实施例1：
一种实施例的基于数据模型和机理运算的氧化风系统控制方法，本方法的主要原理为：通过机组历史运行及化验数据，建立吸收塔浆液CaSO3浓度模型，通过该模型预测吸收塔CaSO3浓度，依据该浓度与最大允许浓度间的偏差作为氧化风机停运与否的判断依据，当最大允许浓度与预测浓度之差大于停运阈值时停运氧化风机，氧化风机停运后，同步加入机理计算方式估算单位时间的CaSO3生成量，并依据该值滚动计算吸收塔浆液CaSO3浓度，当计算所得收塔浆液CaSO3浓度升高到设定高限值时，启动氧化风机，继续滚动计算，直至计算浓度降至与模型预测浓度相同时，再次进行停运条件判断，如最大允许浓度与预测浓度之差小于停运阈值时，保持现有运行状态，反之停运氧化风机，如此往复，从而达到了大幅降低氧化风系统能耗的目的，具体的，包括，
1、建模数据筛选：
(1)采用机组历史运行及化验数据作为建模原始数据，氧化风系统历史运行数据可从DCS中直接导出，而吸收塔CaSO3浓度数据可从日常的化验记录中获取，然后依据化验采样时刻，筛选化验时间点与化验浓度对应的氧化风系统历史运行数据，同化验浓度组合后获取原始建模数据。
(2)为避免系统动态响应的过渡过程对建模精度的影响，需进一步筛选稳态工况数据，筛选方式为：选取(1)中所获取的数据，综合考虑机组容量及脱硫系统布置方式，选定最低稳定运行时间阈值ts，查询各采样时刻及该时刻之前ts时间段的运行历史数据机组负荷值，当该时间段内负荷波动大于Lmax则将该组数据删除，获取稳态建模数据，筛选过程如图1所示。
(3)应用(2)中获取的稳态建模数据，对输入变量数据与CaSO3浓度化验数据进行皮尔逊相关性分析，选取相关系数大于0.2的变量作为输入变量，与CaSO3化验浓度共同组成最终建模数据。
2、建模：
以相关性分析获取的输入变量，如：选取氧化风机运行台数、机组负荷、FGD入口SO2浓度、浆液循环泵运行台数、吸收塔浆液PH、原烟气粉尘浓度、吸收塔浆液密度作为建模输入数据，以吸收塔CaSO3化验浓度数据作为系统输出，采用基于历史数据驱动的建模方式，如：采用人工神经网络、偏最小二乘、支持向量机、多元线性回归、多项式拟合等数据驱动建模方式进行建模，获取吸收塔CaSO3浓度模型，建模过程如图2所示。
3、氧化风机的启停控制：
(1)氧化风系统启停控制方式
1)如图3所示，应用CaSO3浓度预测模型及所选输入变量的实时输入对吸收塔CaSO3浓度进行实时预测；
2)当CaSO3浓度预测模型所得浓度低于停运浓度阈值时，停止氧化风机，同时应用机理计算方式计算各时刻单位时间吸收塔内CaSO3增量，辅以吸收塔浆液实时密度及液位等信息，滚动计算吸收塔内CaSO3浓度；
3)当机理计算所得CaSO3浓度高于CaSO3浓度允许值时，启动氧化风机，同时继续应用机理计算方式滚动计算吸收塔内CaSO3浓度，并将该计算浓度与CaSO3浓度预测模型输出浓度进行比较，当机理计算所得CaSO3浓度低于模型输出CaSO3浓度后，停止机理滚动计算CaSO3浓度，返回步骤2)继续进行氧化风机停运条件的判断。
(2)机理计算方式滚动计算吸收塔内CaSO3浓度方法
当CaSO3浓度预测模型所得浓度低于停运浓度阈值时，停止氧化风机，同时，启用机理计算方式滚动计算吸收塔内CaSO3浓度，设启用机理计算方式后已经历了k时刻，如图4所示，则该时刻吸收塔内CaSO3浓度计算方式可描述为：
1)计算吸收塔吸收SO2量FS(k)：通过脱硫入口烟气流量Fp(k)、脱硫入口SO2浓度S(k)、脱硫效率Eta(k)计算吸收塔吸收SO2量Fs(k)，计算方式为：
Fs(k)＝Fp(k)×S(k)×Eta(k)；
2)计算SO2氧化需氧量NO(k)：利用吸收塔吸收SO2量FS(k)、自然氧化率Alpha计算SO2氧化需氧量NO(k)，计算方式为：
NO(k)＝FS(k)×0.25×(1-Alpha)；
3)计算强制氧化风量GO(k)：应用氧化风量OF(k)与强制氧化率Beta，计算强制氧化风量GO(k)，计算方式为：
GO(k)＝OF(k)×Beta；
4)计算吸收塔欠氧量O(k):应用SO2氧化需氧量NO(k)、强制氧化风量GO(k),计算吸收塔欠氧量O(k)，计算方式为：
O(k)＝NO(k)-GO(k)；
5)计算瞬时亚硫酸钙产生量IQ(k)：应用吸收塔欠氧量O(k)计算瞬时亚硫酸钙产生量IQ(k)，计算方式为：
IQ(k)＝O(k)×7.5；
6)吸收塔浆液体积V(k)：应用吸收塔浆液液位LV(k)、吸收塔直径AR，计算吸收塔浆液体积V(k)，计算方式为：
V(k)＝LV(k)×3.14*(AR/2)2；
7)计算吸收塔净副产物质量BQ(k)：应用吸收塔固体洁净系数CR(k)、吸收塔浆液体积V(k)、吸收塔密度D(k)，计算吸收塔净副产物质量BQ(k)，计算方式为：
BQ(k)＝V(k)×D(k)×CR(k)；
8)计算上时刻吸收塔净亚硫酸钙质量SQ(k-1)：应用吸收塔上时刻所得亚硫酸钙浓度NG(k-1)、吸收塔净副产物质量BQ(k)，计算吸收塔净亚硫酸钙质量SQ(k-1)，计算方式为：
SQ(k-1)＝BQ(k)×NG(k-1)；
9)计算脱水系统排出亚硫酸钙质量Q(k)：脱水系统石膏排出泵为工频泵，其单位时间排出石膏体积流量为定值，因此可利用其排出浆液体积占吸收塔浆液体积的比值来计算脱水系统排出亚硫酸钙质量Q(k)，应用石膏排出泵台数NU(k)、石膏排出泵流量FP(k)、上时刻吸收塔净亚硫酸钙质量SQ(k-1)、吸收塔浆液体积V(k)，计算脱水系统排出亚硫酸钙质量Q(k)，计算方式为：
Q(k)＝SQ(k-1)×NU(k)×FP(k)÷V(k)；
10)计算现时刻吸收塔净亚硫酸钙质量SQ(k)：应用上时刻吸收塔净亚硫酸钙质量SQ(k-1)、脱水系统排出亚硫酸钙质量Q(k)、瞬时亚硫酸钙产生量IQ(k)，计算现时刻吸收塔净亚硫酸钙质量SQ(k)，计算方式为：
SQ(k)＝SQ(k-1)-Q(k)+IQ(k)；
11)现时刻吸收塔净亚硫酸钙含量NG(k):应用现时刻吸收塔净亚硫酸钙质量SQ(k)、吸收塔净副产物质量BQ(k)计算现时刻吸收塔净亚硫酸钙含量，需要说明的是CaSO3浓度不为负值，其计算方式可表示为：
NG(k)＝(SQ(k)+abs(SQ(k)))/2/BQ(k)，
其中abs(SQ(k))代表对SQ(k)取绝对值。
实施例2：
本发明上述实施例的基于数据模型和机理运算的氧化风系统控制方法，还能进行如下改进，建模数据的进一步筛选稳态工况时，可不以采样时刻前后，负荷工况稳定运行时间为稳态判断依据，亦可采用烟气流量、FGD入口硫分或烟气流量乘上FGD入口硫分等变量在采样时刻前后稳定运行时间为稳态判断依据；对稳态数据中的输入变量数据与CaSO3浓度化验数据进行皮尔逊相关性分析，选取相关系数大于0.2的变量作为输入变量，与CaSO3化验浓度共同组成最终建模数据，该过程亦可选取其他相关性分析方法及不同的相关系数阈值。
实施例3：
现时刻吸收塔净亚硫酸钙含量NG(k):应用现时刻吸收塔净亚硫酸钙质量SQ(k)、吸收塔净副产物质量BQ(k)计算现时刻吸收塔净亚硫酸钙含量，需要说明的是CaSO3浓度不为负值，且当有化验值AS(k)输入时，将化验值赋给NG(k)参与下一次循环，当无化验值输入时其计算方式可表示为：
NG(k)＝(SQ(k)+abs(SQ(k)))/2/BQ(k)；
当有化验值AS(k)输入时，其计算方式为：
NG(k)＝AS(k)；
其中，还可以通过在线学习环节设计，对数据进行修正，具体的，
通过预测CaSO3浓度与化验CaSO3浓度的偏差对系统强制氧化率与自然氧化率等变量进行修正；
为保证计算模型在循环计算过程能够具有一定的自我修正能力，为模型设计在线修正环节，如图2所示，模型滚动计算过程中，当有化验值输入时，应用模型预测输出吸收塔净亚硫酸钙含量NG(k)、化验测量亚硫酸钙含量AS(k)，计算模型预测浓度与计算模型预测间的偏差ER(k)，如式所示：
ER(k)＝AS(k)-NG(k)；
应用预测偏差ER(k)，对系统自燃氧化率Alpha(k)、强制氧化率Beta(k)进行调整，调整方式可选取为Alphanew＝a×ER(k)+Alpha(k)，(a<0)，a为自燃氧化率学习因子；Betanew＝b×ER(k)+Beta(k)，(b<0)，b为强制氧化率学习因子，调整后将调整值赋给自燃氧化率Alpha(k)，强制氧化率Beta(k)，即Alpha(k)＝Alphanew，Beta(k)＝Betanew。
另外需要说明的是，由于采样到获取化验结果有一定的时间间隔，所以采样时需记录采样时刻对应的模型计算所得预测CaSO3浓度，待获取化验结果后再对自燃氧化率Alpha(k)、强制氧化率Beta(k)进行修正；
进一步，还可以包括算法参数优化，具体的，
为CaSO3浓度计算模型的各个输入变量设置调整系数，依据仿真输出与化验时间点处CaSO3浓度偏差的平方和作为目标函数，应用寻优算法对各输入变量调整系数进行寻优，最终获取CaSO3浓度计算模型中各个输入变量的最优调整系数。
需要说明的是，在该寻优过程中为保障自然氧化率调整函数f1、强制氧化率调整函数f1中各参数寻优结果的准确，需将上述的自燃氧化率Alpha(k)、强制氧化率Beta(k)的自适应学习过程屏蔽，即寻优过程，令自燃氧化率学习因子a＝0；强制氧化率学习因子b＝0，且寻优过程不对a、b进行寻优。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于数据模型和机理运算的氧化风系统控制方法，其特征在于，包括以下步骤：
步骤S1：建模数据筛选，采用机组历史运行数据及化验数据作为建模原始数据；
步骤S2：建模，选取机组历史运行数据中的氧化风机运行台数、机组负荷、FGD入口SO2浓度、浆液循环泵运行台数、吸收塔浆液PH、原烟气粉尘浓度、吸收塔浆液密度作为建模输入变量，选取吸收塔CaSO3浓度化验数据作为系统输出，采用基于历史数据驱动的人工神经网络、偏最小二乘、支持向量机、多元线性回归、多项式拟合等数据驱动建模方式进行建模，获取吸收塔CaSO3浓度预测模型；
步骤S3：氧化风机的启停控制，包括，
步骤S3.1：应用CaSO3浓度预测模型及所选输入变量的实时输入对吸收塔CaSO3浓度进行实时预测；
步骤S3.2：当CaSO3浓度预测模型所得浓度低于停运浓度阈值时，停止氧化风机，同时应用机理计算方式计算各时刻单位时间吸收塔内CaSO3增量，辅以吸收塔浆液实时密度及液位等信息，滚动计算吸收塔内CaSO3浓度；
步骤S3.3：当机理计算所得CaSO3浓度高于CaSO3浓度允许值时，启动氧化风机，同时继续应用机理计算方式滚动计算吸收塔内CaSO3浓度，并将该计算浓度与CaSO3浓度预测模型输出浓度进行比较，当机理计算所得CaSO3浓度低于CaSO3浓度预测模型输出CaSO3浓度后，停止机理滚动计算CaSO3浓度，返回步骤S3.2继续进行氧化风机停运条件的判断；
所述机理计算方式应用机组实时运行数据计算吸收塔内CaSO3浓度，设启用机理计算方式后已经历了k时刻，则该时刻吸收塔内CaSO3浓度NG(k)(％)计算方式为：
NG(k)＝(SQ(k)+abs(SQ(k)))/2/BQ(k)；
其中，SQ(k)(kg)为现时刻吸收塔净亚硫酸钙质量，BQ(k)为吸收塔净副产物质量，
SQ(k)(kg)＝SQ(k-1)-Q(k)+IQ(k)；
其中，SQ(k-1)(kg)为上时刻吸收塔净亚硫酸钙质量，Q(k)(kg)为脱水系统排出亚硫酸钙质量，IQ(k)(kg/s)为瞬时亚硫酸钙产量，
SQ(k-1)＝V(k)×D(k)×CR(k)×NG(k-1)，
其中，NG(k-1)(％)为吸收塔上时刻所得亚硫酸钙浓度，CR(k)为吸收塔固体洁净系数、V(k)(m3)为吸收塔浆液体积、D(k)(kg/m3)为吸收塔密度；
IQ(k)＝(Fp(k)×S(k)×Eta(k)×0.25×(1-Alpha)-OF(k)×Beta)×0.75，
其中，Fp(k)(Km3/s)为脱硫入口烟气流量、S(k)(mg/s)为脱硫入口SO2浓度、Eta(k)(％)为脱硫效率、Alpha为自然氧化率、OF(k)为氧化风量、Beta为强制氧化率。
2.根据权利要求1所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，所述步骤S1中的氧化风系统历史运行数据从DCS中直接导出，吸收塔CaSO3化验浓度数据从日常的化验记录中获取，然后依据化验采样时刻，筛选化验时间点与化验浓度对应的机组历史运行数据，同化验浓度组合后获取原始建模数据。
3.根据权利要求1所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，所述步骤S1还包括筛选稳态工况数据，包括，
步骤1.1：选取步骤S1中所获取的数据，综合考虑机组容量及脱硫系统布置方式，选定最低稳定运行时间阈值ts，查询各采样时刻及该时刻之前ts时间段的运行历史数据机组负荷值，当该时间段内负荷波动大于L max 则将该组数据删除，获取稳态建模数据；
步骤1.2：应用步骤1.1中获取的稳态建模数据，对输入变量数据与CaSO3浓度化验数据进行皮尔逊相关性分析，选取相关系数大于0.2的变量作为输入变量，与CaSO3化验浓度共同组成最终建模数据。
4.根据权利要求1所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，所述脱水系统排出亚硫酸钙质量Q(k)，应用石膏排出泵台数NU(k)、石膏排出泵流量FP(k)、上时刻吸收塔净亚硫酸钙质量SQ(k-1)、吸收塔浆液体积V(k)，计算脱水系统排出亚硫酸钙质量Q(k)(kg)，计算公式为：Q(k)(kg)＝SQ(k-1)×NU(k)×FP(k)÷V(k)。
5.根据权利要求1所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，所述机理计算中所采用的机组实时运行数据从DCS系统中实时导出。
6.根据权利要求1所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，所述停运浓度阈值和CaSO3浓度允许值为预设的固定值。
7.根据权利要求1所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，还包括算法参数优化，具体的，
为CaSO3浓度计算模型的各个输入变量设置调整系数，依据仿真输出与化验时间点处CaSO3浓度偏差的平方和作为目标函数，应用寻优算法对各输入变量调整系数进行寻优，最终获取CaSO3浓度计算模型中各个输入变量的最优调整系数。
8.根据权利要求7所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，在该寻优过程中为保障自然氧化率调整函数f1、强制氧化率调整函数f1中各参数寻优结果的准确，将上述的自燃氧化率Alpha(k)、强制氧化率Beta(k)的自适应学习过程屏蔽。
9.根据权利要求8所述的基于数据模型和机理运算的氧化风系统控制方法，其特征在于，所述寻优过程中，令自燃氧化率学习因子a＝0；强制氧化率学习因子b＝0，且寻优过程不对a、b进行寻优。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2020108287310 | 2020-08-18 | ||
| CN202010828731.0A CN112034795A (zh) | 2020-08-18 | 2020-08-18 | 一种基于数据模型和机理运算的氧化风系统控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112506162A CN112506162A (zh) | 2021-03-16 |
| CN112506162B true CN112506162B (zh) | 2022-03-15 |
Family
ID=73577522
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010828731.0A Withdrawn CN112034795A (zh) | 2020-08-18 | 2020-08-18 | 一种基于数据模型和机理运算的氧化风系统控制方法 |
| CN202011491512.4A Active CN112506162B (zh) | 2020-08-18 | 2020-12-16 | 一种基于数据模型和机理运算的氧化风系统控制方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010828731.0A Withdrawn CN112034795A (zh) | 2020-08-18 | 2020-08-18 | 一种基于数据模型和机理运算的氧化风系统控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN112034795A (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112682342B (zh) * | 2020-12-11 | 2023-05-12 | 新奥数能科技有限公司 | 一种湿法脱硫浆液氧化风风量控制方法及装置 |
| CN113648801B (zh) * | 2021-08-26 | 2022-05-31 | 浙江浩普智能科技有限公司 | 一种湿法脱硫氧化风机优化控制方法及系统 |
| CN113898581B (zh) * | 2021-09-30 | 2023-10-03 | 江苏昆仑互联科技有限公司 | 一种湿法脱硫罗茨风机节能控制系统及方法 |
| CN115193232B (zh) * | 2022-07-14 | 2023-09-22 | 西安热工研究院有限公司 | 一种脱硫浆液中Ca2+浓度与pH在线控制浆液氧化状态的方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0710331B2 (ja) * | 1988-12-29 | 1995-02-08 | 石川島播磨重工業株式会社 | 排煙脱硫装置の制御方法 |
| CN206299597U (zh) * | 2016-12-06 | 2017-07-04 | 北京国电龙源环保工程有限公司 | 多台氧化风机变频运行控制装置 |
| CN108636094A (zh) * | 2018-07-12 | 2018-10-12 | 浙江大学 | 一种湿法脱硫工艺中的精确预测控制与节能系统及方法 |
| CN109085856A (zh) * | 2018-09-10 | 2018-12-25 | 厦门邑通软件科技有限公司 | 一种脱硫吸收塔氧化风机降耗方法和系统 |
| CN109126408A (zh) * | 2018-08-23 | 2019-01-04 | 南京天创电子技术有限公司 | 一种湿法脱硫装置及智能控制方法 |
| CN109200783A (zh) * | 2018-09-28 | 2019-01-15 | 北京国电龙源环保工程有限公司 | 锅炉烟气氨法脱硫装置及其工艺流程 |
| CN109343367A (zh) * | 2018-10-26 | 2019-02-15 | 齐鲁工业大学 | 一种基于神经网络预测控制烟气脱硫的方法 |
| CN109657910A (zh) * | 2018-11-13 | 2019-04-19 | 北京国电龙源环保工程有限公司 | 基于大数据的脱硫氧化风系统间歇运行方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7536232B2 (en) * | 2004-08-27 | 2009-05-19 | Alstom Technology Ltd | Model predictive control of air pollution control processes |
| CN109603494B (zh) * | 2018-11-13 | 2021-02-19 | 北京国电龙源环保工程有限公司 | 基于大数据的脱硫装置吸收循环系统优化运行方法及吸收循环系统 |
| CN111340199B (zh) * | 2020-03-26 | 2023-05-12 | 中煤能源研究院有限责任公司 | 一种基于物料衡算和深度学习的脱硫系统节能方法 |
-
2020
- 2020-08-18 CN CN202010828731.0A patent/CN112034795A/zh not_active Withdrawn
- 2020-12-16 CN CN202011491512.4A patent/CN112506162B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0710331B2 (ja) * | 1988-12-29 | 1995-02-08 | 石川島播磨重工業株式会社 | 排煙脱硫装置の制御方法 |
| CN206299597U (zh) * | 2016-12-06 | 2017-07-04 | 北京国电龙源环保工程有限公司 | 多台氧化风机变频运行控制装置 |
| CN108636094A (zh) * | 2018-07-12 | 2018-10-12 | 浙江大学 | 一种湿法脱硫工艺中的精确预测控制与节能系统及方法 |
| CN109126408A (zh) * | 2018-08-23 | 2019-01-04 | 南京天创电子技术有限公司 | 一种湿法脱硫装置及智能控制方法 |
| CN109085856A (zh) * | 2018-09-10 | 2018-12-25 | 厦门邑通软件科技有限公司 | 一种脱硫吸收塔氧化风机降耗方法和系统 |
| CN109200783A (zh) * | 2018-09-28 | 2019-01-15 | 北京国电龙源环保工程有限公司 | 锅炉烟气氨法脱硫装置及其工艺流程 |
| CN109343367A (zh) * | 2018-10-26 | 2019-02-15 | 齐鲁工业大学 | 一种基于神经网络预测控制烟气脱硫的方法 |
| CN109657910A (zh) * | 2018-11-13 | 2019-04-19 | 北京国电龙源环保工程有限公司 | 基于大数据的脱硫氧化风系统间歇运行方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 火电机组过程大数据建模方法研究;尹二新，张同卫，唐 坚，路光杰，陈 鸥，杨建辉;《电力大数据》;20191030(第10期);全文 * |
| 燃煤烟气颗粒物_三氧化硫协同脱除过程建模与调控研究及应用;郭一杉;《中国博士学位论文全文数据库工程科技Ⅰ辑》;20200430;全文 * |
| 英志兵 ; 李杰 ; 王迎春 ; 杨宇龙 ; 胡晓波.火力发电厂脱硫氧化风系统升级改造.《节能技术与应用》.2020,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112506162A (zh) | 2021-03-16 |
| CN112034795A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112506162B (zh) | 一种基于数据模型和机理运算的氧化风系统控制方法 | |
| CN111340199B (zh) | 一种基于物料衡算和深度学习的脱硫系统节能方法 | |
| CN113433911B (zh) | 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法 | |
| CN102608911B (zh) | 一种基于多参数预测的火电机组协调控制方法 | |
| CN111897373B (zh) | 一种基于模型预测的scr脱硝装置喷氨流量调节方法 | |
| CN115034398A (zh) | 用于监控工业气体设备综合体的操作特性的方法和设备 | |
| CN112883553B (zh) | 一种单塔双循环脱硫装置的氧化风机运行优化方法 | |
| CN115309117B (zh) | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 | |
| CN111598308A (zh) | 基于回归和二重pso算法解决浆液循环泵组合优化方法 | |
| CN112044270B (zh) | 一种基于数据驱动多模型的脱硫氧化风系统控制方法 | |
| CN112791570A (zh) | 一种全工况自适应的ph调节方法 | |
| CN111408243B (zh) | 一种火电机组湿法脱硫pH值控制系统及方法 | |
| CN111450694B (zh) | 一种基于多目标优化的脱硫系统工业控制器和控制方法 | |
| CN112415148B (zh) | 一种基于在线学习的湿法脱硫系统CaSO3软测量方法 | |
| CN106557027B (zh) | 优化焦化烟气脱硫脱硝过程中臭氧运行的系统及方法 | |
| CN113485111B (zh) | 制浆系统的寻优控制方法及系统 | |
| CN114870626A (zh) | 一种喷氨脱硝控制系统及方法 | |
| CN115034399A (zh) | 用于控制工业气体设备综合体的方法和设备 | |
| CN112287535B (zh) | 一种用于确定火电机组最低运行负荷的方法及系统 | |
| CN111905546B (zh) | 一种多烟道喷射臭氧脱硝系统及运行控制方法 | |
| Chi et al. | Fuzzy dynamic matrix predictive control of ammonia injection quantityin SCR denitration systems | |
| CN112906928B (zh) | 一种风电场集群有功功率预测方法及系统 | |
| CN115327911A (zh) | 一种基于深度神经网络的火电机组脱硫控制方法 | |
| CN116212622A (zh) | 一种多参数耦合的湿法脱硫智能化运行调控系统 | |
| CN116899402A (zh) | Scr脱硝优化系统及其控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100039 room 901, 9 / F, building 1, yard 16, West Fourth Ring Middle Road, Haidian District, Beijing Applicant after: Guoneng Longyuan environmental protection Co.,Ltd. Address before: 100039 room 911, 1 building, 16 West Fourth Ring Road, Haidian District, Beijing. Applicant before: BEIJING GUODIAN LONGYUAN ENVIRONMENTAL ENGINEERING Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221223 Address after: 100039 room 901, 9 / F, building 1, yard 16, West Fourth Ring Middle Road, Haidian District, Beijing Patentee after: Guoneng Longyuan environmental protection Co.,Ltd. Patentee after: Guoneng (Shandong) energy environment Co.,Ltd. Address before: 100039 room 901, 9 / F, building 1, yard 16, West Fourth Ring Middle Road, Haidian District, Beijing Patentee before: Guoneng Longyuan environmental protection Co.,Ltd. |